PREDIKSI PENGELUARAN PERKAPITA YANG DISESUAIKAN BERDASARKAN CITRA DIGITAL GOOGLE EARTH MENGGUNAKAN KOMBINASI CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR REGRESSION(SVR)

Rouhan, Asva Abadila (2020) PREDIKSI PENGELUARAN PERKAPITA YANG DISESUAIKAN BERDASARKAN CITRA DIGITAL GOOGLE EARTH MENGGUNAKAN KOMBINASI CONVOLUTIONAL NEURAL NETWORK (CNN) DAN SUPPORT VECTOR REGRESSION(SVR). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
06211640000105-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Kemiskinan dapat didefinisikan sebagai ketidakmampuan seseorang atau rumah tangga dalam memenuhi kebutuhan pokoknya. Kebanyakan negara menggunakan pendapatan atau konsumsi rumah tangga sebagai standar pengukuran kesejahteraan penduduk. Namun, pengumpulan data secara mendetail dari pintu ke pintu merupakan hal banyak memakan waktu dan biaya. Belakangan ini muncul sumber data alternatif pengganti survei, yaitu citra digital satelit. Citra digital umumnya diolah menggunakan Convolutional Neural Network (CNN). Salah satu arsitektur CNN yang dianggap paling baik adalah VGG16. VGG16 dalam tugas akhir ini digunakan sebagai fixed feature extraction sedangkan pemodelan estimasi kemiskinan di Pulau Jawa menggunakan Support Vector Regression (SVR). Kombinasi kedua metode menghasilkan model dengan performa 0,703 pada tahap testing. Terdapat hampir 80% kesesuaian pada 25% golongan pengeluaran perkapita terendah antara hasil estimasi dan data aktual.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.535 Rou p-1 • Rouhan, Asva Abadila
Uncontrolled Keywords: Citra Satelit, Convolutional Neural Network, Household Expenditure, Pengeluaran Perkapita, Satellite Imagery, Support Vector Regression, VGG16
Subjects: H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
H Social Sciences > HA Statistics > HA31.7 Estimation
Q Science > QA Mathematics > QA278.2 Regression Analysis
Q Science > QA Mathematics > QA76.9.D343 Data mining
T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions: Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Asva Abadila Rouhan
Date Deposited: 27 Aug 2020 07:18
Last Modified: 06 Oct 2020 10:38
URI: http://repository.its.ac.id/id/eprint/81193

Actions (login required)

View Item View Item